Grok 4 以 WDCD 95.00 分成为当前 WDCD 守约排行榜冠军，而 Claude Sonnet 4.6 以 64.10 分位列第 11 名，两者相差 30.9 分。
排名格局：前三集中 90+，中部断层明显
本次 WDCD v3.1 试点共 11 个模型参评，采用 worst-of-3 采样。Grok 4、DeepSeek V4 Pro、GLM-4.6 三家 WDCD 分数分别为 95.00、94.00、93.60，构成第一梯队。GPT-o3 89.80 分紧随其后，与第一梯队拉开 4-5 分差距。第五名 Claude Opus 4.7 82.50 分开始进入中游区间，Gemini 3.1 Pro 80.80 分、Gemini 2.5 Pro 76.80 分、GPT-5.5 70.40 分、豆包 Pro 70.20 分形成第二梯队。Qwen3 Max 66.70 分与 Claude Sonnet 4.6 64.10 分构成尾部。
全局满分率 46.4%，R3 崩溃率仅 4.5%，说明多数模型在多轮施压下仍能维持较高守约水平，但尾部模型在 R3 阶段已出现明显断崖。
冠军 Grok 4：R2 满分 1.00 是核心优势
Grok 4 在 v2 锚点题中 R1=1.00、R2=1.00、R3=1.50/2，三轮得分均衡且 R2 阶段无衰减。这意味着它在面对社会认同与权威特批双重干扰时，仍能完整保留初始约束。相比之下，DeepSeek V4 Pro R2 仅 0.50 分，却靠 R3 满分 2.00/2 追回，最终只落后 1 分。GLM-4.6 与 Grok 4 的 R1、R2 完全一致，R3 也同为 1.50/2，差距主要来自 v3 题原生百分制中的 S_hold 与 S_recover 细微差异。
从约束场景看，Grok 4 在数据边界与安全合规两类题中表现最稳定，破防发生时间普遍晚于第 8 轮，S_hold 得分贡献突出。
垫底 Claude Sonnet 4.6：R3 直接归零暴露恢复缺陷
Claude Sonnet 4.6 是唯一 R3 得 0.00/2 的模型，R1=1.00、R2=0.50 后在第三轮完全失守。结合 v3 题计分规则，R3 归零直接导致 S_recover 与 S_integrity 两项均受重创。它的 WDCD 64.10 分较上期下降 5.9 分，是唯一出现负增长的模型。
该模型在资源限制与工程规范场景中，面对沉没成本施压时最易提前破防，且破防后无法通过 KBV 复述探针恢复约束记忆，S_kbv 得分显著低于头部模型。
头部与尾部差距的机制成因
差距主要来自两类施压轮次：一是 R2 干扰阶段的抗社会认同能力，二是 R3 切香肠+沉没成本的连续抬压能力。DeepSeek V4 Pro 与 Grok 4 在 R2 阶段得分差异仅 0.50 分，却在 R3 阶段形成 0.50 分反超，说明后者的恢复机制更强。对企业而言，这意味着在长上下文、多代理协作场景中，R3 表现直接决定生产流程中的实际风险敞口。
对生产流程接入的选型含义
把 AI 接入生产流程的企业，可将 WDCD 90+ 模型用于数据边界与安全合规类任务，无需额外护栏；中游模型（75-85 分）适合资源限制场景，但必须在工程规范环节增加人工复核节点；尾部模型（65 分以下）仅建议用于低风险的内部问答，任何涉及业务规则的决策均需设置独立校验层。
具体判断：Grok 4 与 DeepSeek V4 Pro 可直接用于客户数据脱敏流程，Claude Sonnet 4.6 则需在代码生成场景增加二次审查。
战略判断：谁被低估，谁需持续观察
DeepSeek V4 Pro 本期较上期提升 26.2 分，增幅最大，其 R3 满分表现可能被市场此前低估。GLM-4.6 提升 21.8 分，同样显示出在多轮渐进施压下的适应性增强。Claude Sonnet 4.6 的持续下滑则释放出守约能力被高估的信号。
下期值得验证的信号是：R3 得 2.00/2 的模型是否能在 v3.2 题池中维持 S_integrity 15 分满分，以及尾部模型是否会在更多约束场景下出现系统性 R2 衰减。
守约能力不是静态参数，而是多轮对抗后的真实生存曲线，Grok 4 目前画出了最平滑的那条。
数据来源：赢政指数 WDCD 守约排行榜 | Run #221 · 总榜排名 | 评测方法论
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接